一种粒子滤波方法、装置及目标跟踪方法、装置制造方法
【专利摘要】本发明公开了一种粒子滤波方法、装置及目标跟踪方法、装置，该粒子滤波方法包括利用高斯-厄米特积分构建上一目标观测时刻的多个积分点概率密度函数；根据多个积分点概率密度函数获取积分点的近似粒子集；根据目标的相关特性修正近似粒子集以获取预测粒子集；根据预测粒子集获取当前目标观测时刻的目标状态预测概率密度函数；根据当前目标观测时刻的目标状态预测概率密度函数获取当前目标观测时刻的目标状态后验概率密度函数。通过上述方式，本发明能够增强粒子的多样性和准确性，有效提高滤波精度以及目标状态的估计性能。
【专利说明】一种粒子滤波方法、装置及目标跟踪方法、装置
【技术领域】
[0001]本发明涉及非线性滤波领域，特别是涉及一种粒子滤波方法、装置及目标跟踪方法、装置。
【背景技术】
[0002]在飞机、航空飞行器、车辆等目标的运动过程中，常常需要对目标的实时状态进行估计以实现对目标的跟踪，飞机等目标的运动系统模型一般属于非线性随机系统。非线性滤波技术为非线性随机系统中进行状态估计的常用手段。
[0003]根据应用背景的不同，现有技术非线性滤波技术主要分为两类:第一类是针对非线性高斯环境下的状态估计问题，如扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF)、积分卡尔曼滤波(QKF)、截断无迹卡尔曼滤波(IUKF)，这类方法主要是利用泰勒级数展开或数值计算等线性近似技术对非线性的系统模型进行近似，忽略近似高阶项对滤波性能的影响。第二类是针对非线性非高斯环境下的状态估计问题，如高斯和滤波器(GSF)、高斯和积分卡尔曼滤波器(GS-QKF)，这类高斯和方法主要是利用多个混合高斯将状态的后验概率密度函数近似成单个高斯函数，然而，与上述EKF等方法类似，这类高斯和方法都必须进行线性化，对于强非线性非高斯系统，此类滤波器的滤波精度并不高，且滤波器的高斯混合项的数量随着时间快速增长。
[0004]此外，现有技术还采用另一种非线性滤波方法:粒子滤波方法，现有技术所采用的一类粒子滤波方法由于粒子退化现象的存在，需要进行重采样，从而影响粒子滤波的并行实现。现有技术另一类粒子滤波方法则无需进行重采样，如高斯粒子滤波(GPF)，快速高斯粒子滤波算法，拟蒙特卡罗-高斯粒子滤波(QMC-GPF)算法等，这类方法由于在时间更新时只是简单地采用状态转移函数进行粒子采样，当目标观测点的采样时间间隔较大或目标运动模型不够精确时，粒子的多样性以及准确性较差，粒子并不能有效表示目标的后验概率分布，从而降低粒子滤波的性能。
【发明内容】
[0005]本发明主要解决的技术问题是提供一种粒子滤波方法、装置及目标跟踪方法、装置，能够增强粒子的多样性和准确性，有效提高滤波精度以及目标状态的估计性能。
[0006]为解决上述技术问题，本发明的第一方面是:提供一种粒子滤波方法，包括利用高斯-厄米特积分构建上一目标观测时刻的多个积分点概率密度函数；根据多个积分点概率密度函数获取积分点的近似粒子集；根据目标的相关特性修正近似粒子集以获取预测粒子集；根据预测粒子集获取当前目标观测时刻的目标状态预测概率密度函数；根据当前目标观测时刻的目标状态预测概率密度函数获取当前目标观测时刻的目标状态后验概率密度函数，完成粒子滤波过程。
[0007]其中，利用高斯-厄米特积分构建上一目标观测时刻的多个积分点概率密度函数的步骤具体包括:[0008]获取ki时刻的目标状态后验概率密度函数，具体如下式所示:
[0009]
【权利要求】
1.一种粒子滤波方法，其特征在于，包括: 利用高斯-厄米特积分构建上一目标观测时刻的多个积分点概率密度函数； 根据所述多个积分点概率密度函数获取积分点的近似粒子集； 根据目标的相关特性修正所述近似粒子集以获取预测粒子集； 根据所述预测粒子集获取当前目标观测时刻的目标状态预测概率密度函数； 根据所述当前目标观测时刻的目标状态预测概率密度函数获取当前目标观测时刻的目标状态后验概率密度函数，完成粒子滤波过程。
2.根据权利要求1所述的方法，其特征在于，所述利用高斯-厄米特积分构建上一目标观测时刻的多个积分点概率密度函数的步骤具体包括: 获取k-Ι时刻的目标状态后验概率密度函数，具体如下式所示:
3.根据权利要求2所述的方法，其特征在于， 所述积分点X1L1的近似粒子集为
4.根据权利要求3所述的方法，其特征在于，所述根据目标的相关特性修正所述近似粒子以获取预测粒子集的步骤具体包括: 获取所述近似粒子集
5.根据权利要求4所述的方法，其特征在于，所述根据所述预测粒子集获取当前目标观测时刻的目标状态预测概率密度函数的步骤具体包括: 根据所述预测粒子集获取k-Ι时刻的目标状态后验概率密度函数对应的积分点 Xl，k—l|k—I 的均值為邓丨和协方差 Pl，k|k—I， 具体如下式所示:
6.根据权利要求5所述的方法，其特征在于，所述根据所述当前目标观测时刻的目标状态预测概率密度函数获取当前目标观测时刻的目标状态后验概率密度函数的步骤具体包括: 估计所述k时刻的目标状态预测概率密度函数P(XkIz^1)对应的积分点為,，具体如下式所示:
7.一种粒子滤波装置，其特征在于，包括: 积分点概率密度函数构建模块，用于利用高斯-厄米特积分构建上一目标观测时刻的多个积分点概率密度函数；近似粒子集获取模块，用于根据所述多个积分点概率密度函数获取积分点的近似粒子集;预测粒子集获取模块，用于根据目标的相关特性修正所述近似粒子集以获取预测粒子集; 目标状态预测概率密度函数获取模块，用于根据所述预测粒子集获取当前目标观测时刻的目标状态预测概率密度函数； 目标状态后验概率密度函数，用于根据所述当前目标观测时刻的目标状态预测概率密度函数获取当前目标观测时刻的目标状态后验概率密度函数。
8.一种目标跟踪方法，其特征在于，包括: 接收当前目标观测时刻以及当前目标观测时刻之前所观测的目标状态； 利用高斯-厄米特积分以及当前目标观测时刻之前所观测的目标状态构建上一目标观测时刻的多个积分点概率密度函数； 根据所述多个积分点概率密度函数获取积分点的近似粒子集；根据目标的相关特性修正所述近似粒子集以获取预测粒子集； 根据所述预测粒子集获取当前目标观测时刻的目标状态预测概率密度函数； 根据所述当前目标观测时刻的目标状态预测概率密度函数以及当前目标观测时刻所观测的目标状态获取当前目标观测时刻的目标状态后验概率密度函数； 利用所述当前目标观测时刻的目标状态后验概率密度函数对目标状态进行估计，以获得当前目标观测时刻的目标状态估计值； 输出所述当前目标观测时刻的目标状态估计值，以实现对目标的跟踪。
9.一种目标跟踪装置，其特征在于，包括: 观测数据接收模块，用于接收当前目标观测时刻以及当前目标观测时刻之前所观测的目标状态； 积分点概率密度函数构建模块，用于利用高斯-厄米特积分以及当前目标观测时刻之前所观测的目标状态构建上一目标观测时刻的多个积分点概率密度函数； 近似粒子集获取模块，用于根据所述多个积分点概率密度函数获取积分点的近似粒子集; 预测粒子集获取模块，用于根据目标的相关特性修正所述近似粒子集以获取预测粒子集; 目标状态预测概率密度函数获取模块，用于根据所述预测粒子集获取当前目标观测时刻的目标状态预测概率密度函数； 目标状态后验概率密度函数，用于根据所述当前目标观测时刻的目标状态预测概率密度函数以及当前目标观测时刻所观测的目标状态获取当前目标观测时刻的目标状态后验概率密度函数； 目标状态估计模块，用于利用所述当前目标观测时刻的目标状态后验概率密度函数对目标状态进行估计，以获得当前目标观测时刻的目标状态估计值； 目标状态估计值输出模块，用于输出所述当前目标观测时刻的目标状态估计值，以实现对目标的跟踪。
【文档编号】G06F19/00GK103902812SQ201410079861
【公开日】2014年7月2日 申请日期:2014年3月5日 优先权日:2014年3月5日
【发明者】李良群, 谢维信, 刘宗香 申请人:深圳大学